Como faço para converter datas em um quadro de dados Pandas em um tipo de dados 'data'?

Eu tenho um quadro de dados do Pandas, uma das colunas contém strings de data no formato YYYY-MM-DD

Por exemplo '2013-10-28'

No momento em que o dtypeda coluna é object.

Como faço para converter os valores da coluna para o formato de data do Pandas?

Use astype

In [31]: df
Out[31]: 
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [32]: df['time'] = df['time'].astype('datetime64[ns]')

In [33]: df
Out[33]: 
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

Essencialmente equivalente a @waitingkuo, mas eu usaria to_datetimeaqui (parece um pouco mais limpo e oferece algumas funcionalidades adicionais, por exemplo dayfirst):

In [11]: df
Out[11]:
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [12]: pd.to_datetime(df['time'])
Out[12]:
0   2013-01-01 00:00:00
1   2013-01-02 00:00:00
2   2013-01-03 00:00:00
Name: time, dtype: datetime64[ns]

In [13]: df['time'] = pd.to_datetime(df['time'])

In [14]: df
Out[14]:
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

Lidando com ValueErrors
Se você se deparar com uma situação em que fazer

df['time'] = pd.to_datetime(df['time'])

Joga um

ValueError: Unknown string format

Isso significa que você tem valores inválidos (não coercíveis). Se concordar com a conversão deles para pd.NaT, você pode adicionar um errors='coerce'argumento para to_datetime:

df['time'] = pd.to_datetime(df['time'], errors='coerce')

Imagino que muitos dados entrem no Pandas a partir de arquivos CSV; nesse caso, você pode simplesmente converter a data durante a leitura inicial do CSV:

dfcsv = pd.read_csv('xyz.csv', parse_dates=[0])onde o 0 se refere à coluna em que a data está.
Você também pode adicionar , index_col=0lá se quiser que a data seja o seu índice.

Veja https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html

Agora você pode fazer df['column'].dt.date

Observe que, para objetos datetime, se você não vir a hora em que são todos 00:00:00, isso não é pandas. Esse é o notebook iPython tentando fazer as coisas parecerem bonitas.

Outra maneira de fazer isso funciona bem se você tiver várias colunas para converter em data e hora.

cols = ['date1','date2']
df[cols] = df[cols].apply(pd.to_datetime)

Se você deseja obter o formato DATE e não DATETIME:

df["id_date"] = pd.to_datetime(df["id_date"]).dt.date

Pode ser que as datas precisem ser convertidas para uma frequência diferente. Nesse caso, sugiro definir um índice por datas.

#set an index by dates
df.set_index(['time'], drop=True, inplace=True)

Depois disso, você pode converter mais facilmente para o tipo de formato de data de que mais precisa. Abaixo, eu converto sequencialmente para vários formatos de data, terminando com um conjunto de datas diárias no início do mês.

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

#Convert to monthly dates
df.index = df.index.to_period(freq='M')

#Convert to strings
df.index = df.index.strftime('%Y-%m')

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

Para resumir, não mostro que executo o código a seguir após cada linha acima:

print(df.index)
print(df.index.dtype)
print(type(df.index))

Isso me dá a seguinte saída:

Index(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='object', name='time')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='datetime64[ns]', name='time', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

PeriodIndex(['2013-01', '2013-01', '2013-01'], dtype='period[M]', name='time', freq='M')
period[M]
<class 'pandas.core.indexes.period.PeriodIndex'>

Index(['2013-01', '2013-01', '2013-01'], dtype='object')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-01', '2013-01-01'], dtype='datetime64[ns]', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

Tente converter uma das linhas em carimbo de data / hora usando a função pd.to_datetime e, em seguida, use .map para mapear o formulário para a coluna inteira

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  object
 1   endDay          110526 non-null  object

import pandas as pd

df['startDay'] = pd.to_datetime(df.startDay)

df['endDay'] = pd.to_datetime(df.endDay)

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  datetime64[ns]
 1   endDay          110526 non-null  datetime64[ns]

Para ser mais completo, outra opção, que pode não ser a mais direta, um pouco semelhante à proposta por @SSS, mas usando a biblioteca datetime é:

import datetime
df["Date"] = df["Date"].apply(lambda x: datetime.datetime.strptime(x, '%Y-%d-%m').date())